Processing

Clustering

PCA

Liste des gènes différentiellement exprimés

• Nombre de DEGs : 31 (FDR > 0.05 & logFC > 1.2)
• Nombre de gènes up-régulés dans les KO : 24
• Nombre de gènes down-régulés dans les KO : 7
• logFC positif = up-régulé dans les KO / down régulé dans les WT
• logFC négatif = up-régulé dans les WT / down régulé dans les KO

Top20 des genes les plus différentiellement exprimés

Volcano plot : FDRvsFC & FCvsCPM

Heatmap : Tous les DEGs

Heatmap : Top DEGs

Processing

sc.DESeq <- DESeq2(counts, metadata, 0.25)

## converting counts to integer mode

## Warning in DESeqDataSet(se, design = design, ignoreRank): some variables in
## design formula are characters, converting to factors

## estimating size factors

## estimating dispersions

## gene-wise dispersion estimates

## mean-dispersion relationship

## final dispersion estimates

## fitting model and testing

signature.DESeq2 <- sc.DESeq[['result']]$table

Clustering

rld <- DESeq2::rlog(sc.DESeq[['y']], blind = T) # Log2 Transformation & Normalisation
rld.matrix <- SummarizedExperiment::assay(rld) ; rld.cor <- cor(rld.matrix, method = "pearson")
pheatmap(rld.cor,main = "Clustering using rlog(read counts). \nDistance: Pearson correlation.",border_color=NA, fontsize = 10, fontsize_row = 10, height=20)

PCA

plotPCA(rld, intgroup = "Condition") + theme_bw() + ggtitle("Rlog transformed counts")

plotPCA(rld, intgroup = "Sample") + theme_bw() + ggtitle("Rlog transformed counts")

Liste des gènes différentiellement exprimés

Top20 des genes les plus différentiellement exprimés

Volcano plot : FDRvsFC & FCvsCPM

Volcano_plot(sc.DESeq, FC = 0.25, xscale=1, yscale=12, seuil=0.25)

## Warning: Removed 347 rows containing missing values (geom_point).

## Warning: Removed 2 rows containing missing values (geom_label_repel).

## Warning: ggrepel: 16 unlabeled data points (too many overlaps). Consider
## increasing max.overlaps

Heatmap : Tous les DEGs

Heatmap : Top DEGs

Reduce(intersect, list(rownames(signature.DESeq2),signature.EdgeR))

##  [1] "AEN"     "FDXR"    "PHPT1"   "BAX"     "MDM2"    "TRIAP1"  "BBC3"   
##  [8] "CCNG1"   "DDB2"    "TNFSF8"  "GADD45A" "CDKN1A"  "PHLDA3"  "ZMAT3"  
## [15] "CD70"